Évaluation de la modélisation de la taille de grain de neige du modèle multi-couches thermodynamique SNOWPACK: implication dans l'évaluation des risques d'avalanches

Département de géomatique appliquée Faculté des lettres et sciences humaines

Université de Sherbrooke

Évaluation de la modélisation de la taille de grain de neige du modèle multi-couches thermodynamique SNOWPACK: implication dans l'évaluation des risques d'avalanches

Jean-Benoit Madore

Mémoire présenté pour l’obtention du grade de Maître ès sciences géographiques (M.Sc.), cheminement recherche en géomatique

Mai 2016

ii Identification du jury

Directeur de recherche :

Dr. Alexandre Langlois, Département de géomatique appliquée, Faculté des lettres et sciences humaines, Université de Sherbrooke

Membre du jury externe :

Dr. Marie Dumont, Centre National de Recherches Météorologiques, Grenoble, France

Membre du jury interne :

Dr. Alain Royer, Département de géomatique appliquée, Faculté des lettres et sciences humaines, Université de Sherbrooke

iii Résumé du projet

L’Institut pour l'étude de la neige et des avalanches en Suisse (SLF) a développé SNOWPACK, un modèle thermodynamique multi-couches de neige permettant de simuler les propriétés géophysiques du manteau neigeux (densité, température, taille de grain, teneur en eau, etc.) à partir desquelles un indice de stabilité est calculé. Il a été démontré qu’un ajustement de la microstructure serait nécessaire pour une implantation au Canada. L'objectif principal de la présente étude est de permettre au modèle SNOWPACK de modéliser de manière plus réaliste la taille de grain de neige et ainsi obtenir une prédiction plus précise de la stabilité du manteau neigeux à l’aide de l’indice basé sur la taille de grain, le Structural Stability Index (SSI). Pour ce faire, l’erreur modélisée (biais) par le modèle a été analysée à l’aide de données précises sur le terrain de la taille de grain à l’aide de l’instrument IRIS (InfraRed Integrated Sphere). Les données ont été recueillies durant l’hiver 2014 à deux sites différents au Canada : parc National des Glaciers, en Colombie-Britannique ainsi qu’au parc National de Jasper. Le site de Fidelity était généralement soumis à un métamorphisme à l'équilibre tandis que celui de Jasper à un métamorphisme cinétique plus prononcé. Sur chacun des sites, la stratigraphie des profils de densités ainsi des profils de taille de grain (IRIS) ont été complétés. Les profils de Fidelity ont été complétés avec des mesures de micropénétromètre (SMP). L’analyse des profils de densité a démontré une bonne concordance avec les densités modélisées (R2_{=0.76) et donc la résistance simulée pour le SSI a été jugée adéquate. Les couches} d’instabilités prédites par SNOWPACK ont été identifiées à l’aide de la variation de la résistance dans les mesures de SMP. L’analyse de la taille de grain optique a révélé une surestimation systématique du modèle ce qui est en accord avec la littérature. L’erreur de taille de grain optique dans un environnement à l’équilibre était assez constante tandis que l’erreur en milieux cinétique était plus variable. Finalement, une approche orientée sur le type de climat représenterait le meilleur moyen pour effectuer une correction de la taille de grain pour une évaluation de la stabilité au Canada.

iv Project Abstract

The snow thermodynamic multi-layer model SNOWPACK was developed in order to address the risk of avalanches by simulating the vertical geophysical and thermophysical properties of snow. Risk and stability assessments are based on the simulation of the vertical variability of snow microstructure (grain size, sphericity, dendricity and bond size), as well as snow cohesion parameters. Previous research has shown a systematic error in the grain size simulations (equivalent optical grain size) over several areas in northern Canada. In order to quantify the simulated errors in snow grain size and associated uncertainties in stability, snow specific surface area (SSA), was measured using a laser-based system measuring snow albedo through an integrating sphere (InfraRed Integrating Sphere, IRIS) at 1310 nm. Optical grain size was retrieved from the IRIS SSA measurements in order to validate the optical equivalent grain radius from simulated SNOWPACK outputs. Measurements occurred during a field campaign conducted during the 2013-2014 winter season in the Canadian Rockies. The two study plots selected are located at Glacier National Park, BC and Jasper National Park, AB. Profiles of density and stratigraphic analysis were completed as well as grain size (IRIS) profiles, combine with snow micropenetrometer (SMP) measurements. Density analysis showed good agreement for the simulated values (R2_{=0.76) and thus the simulated resistance for the SSI was assumed of reasonable} precision. Snow instabilities predicted by SNOWPACK were observed by SMP resistance variation. The optical grain size analysis showed systematic overestimation of the modeled values, in agreement with the current literature. Error in SSA evolution in a rounding environment was mostly constant whereas error in conditions driven by temperature gradient was variable. Finally, it is suggested that a climate-oriented parametrization of the microstructure could represent an improvement for stability assessment in Canada given the variability and size of avalanche terrain.

v

T

Résumé du projet ... iii

Project Abstract ... iv

Table des Figures ... vii

Remerciements ... viii

1. Introduction ... 1

1.1 Problématique et mise en contexte ... 1

1.2 Objectifs et hypothèses ... 3

2. Cadre théorique ... 5

2.1 Métamorphisme de la neige ... 5

2.1.1 Métamorphisme de neige sèche à l’équilibre ... 5

2.1.2 Métamorphisme de neige cinétique (ou de gradient) ... 6

2.1.3 Métamorphisme de neige mouillée ... 6

2.2. Modélisation du couvert neigeux ... 7

2.2.1. Types de modèles ... 7

2.2.2. Le modèle thermodynamique SNOWPACK ... 8

2.3 Simulation de la taille de grain de neige et métamorphisme du modèle SNOWPACK ... 10

2.3.1 Modèle de métamorphisme d’équilibre ... 10

2.3.2 Modèle de métamorphisme cinétique ... 11

2.3.3 Modèle de métamorphisme de neige mouillée ... 12

2.3.4 Simulation de la dendricité et de la sphéricité ... 13

2.3.5 Simulation du diamètre équivalent optique ... 14

2.4.Surface spécifique de la neige et diamètre optique équivalent ... 15

2.5Stabilité du manteau neigeux et facteurs de déclenchement ... 16

2.6Index de stabilité simulé par le modèle SNOWPACK ... 18

3. Article ... 21

1.0 Introduction 24 2.0. Background on SNOWPACK metamorphic processes and stability assessment ... 26

3.0. Data and methods ... 28

3.1. Study sites and SNOWPACK configuration ... 28

3.2. Snow measurements ... 30

3.2.1. Microstructure and snow grain specific surface area... 30

3.2.2. Snow resistance ... 30

4.0. Results and discussion ... 30

4.1. Measured grain size profiles ... 30

4.2. SNOWPACK vs SMP ... 31

vi

4.4. Structural Stability Index (SSI) assessment ... 36

5.0. Conclusions ... 38

References ... 38

4. Conclusion ... 61

vii

T

F

Figure 1. Décomposition des cristaux de neige en jour en l’absence d’un gradient de

température. ... 6 Figure 2. Ensemble des éléments et des processus physiques influençant les propriétés

du couvert nival et des couches de neige le composant (tiré de Bartelt et Lehning,

(2002)) ... 9 Figure 3. Hiérarchie des processus modélisés par SNOWPACK (SNOWPACK, V.3.2

module théorique) ... 10 Figure 4. Entropie des éléments d’informations en trois classes (tiré de LaChapelle,

1985; McClung and Schaerer, 1993; McClung, 2002). ... 18 Figure 5. Vu en coupe d’une plaque de neige montrant l’axe des coordonnées de x et

z, de la profondeur de la couche faible, h, de l’angle de la pente,  , et la localisation

viii Remerciements

Je veux remercier en premier lieu mon directeur de recherche, M. Alexandre Langlois. En me permettant de participer à ce projet, il m’a permis de découvrir la recherche et m’a transmis la passion pour la neige et le froid. Avec son support et ses conseils, il m’a permis de me dépasser et de me donner le goût de continuer dans ce domaine. J’aimerais aussi remercier Kevin Côté, mon collègue, pour le support qu’il m’a apporté tout au long de mon cheminement.

J’aimerais remercier nos partenaires qui ont permis à ce projet d’être mené à bien : Dominique Boucher, Julie Leblanc et Laurent Janssen et Jean-Pierre Gagnon d’Avalanche Québec, la SÉPAQ, Simon Horton, Michael Shirmer, Deanna Anderson et Bruce Jamieson du groupe de recherche ASARC de l’Université de Calgary, Steve Blake et Jeff Goodrich de Parcs Canada et Kerry MacDonald du Marmot Basin Ski Resort. J’aimerais remercier aussi Jeff Rivest et Mathieu Péloquin pour le support technique à l’équipement de plein air.

J’aimerais également remercier les organismes ayant contribué financièrement à la réalisation de ce projet, soit le Fonds des nouvelles initiatives de recherche et sauvetage du Gouvernement du Canada (SAR-NIF), le Conseil de recherches en sciences naturelles et en génie du Canada (NSERC) et le Centre d’Études Nordiques (CEN).

Finalement, j’aimerais remercier ma famille, mes amis et mes collègues de m’avoir soutenu et encouragé tout au long de mon cheminement.

1

1.

I

1.1

P

Les avalanches sont des phénomènes importants et récurrents dans plusieurs zones montagneuses au Canada. Ces événements se définissent comme un mouvement de grandes masses de neige qui peut être déclenché par plusieurs facteurs tels que la topographie, le climat, les conditions de neige ou par des facteurs anthropiques tels les skieurs et les motoneigistes (McClung et Schaerer, 1993). Les avalanches représentent une menace pour les infrastructures ainsi que pour les personnes se déplaçant dans les zones à risque (routes, chemin de fer) qui sont régulièrement fermées ou endommagées par ces avalanches. Au Canada, le coût direct associé à la fermeture de routes suite à un risque élevé d’avalanche s’élève à plus de 5 millions $CAN par année (B. Jamieson et Stethem, 2002). Entre l’hiver 1999-2000 et l’hiver de 2013-2014, le Canadian Avalanche Center a répertorié 589 incidents impliquant des personnes dans les avalanches. On dénombre dans ces incidents 135 blessés et 197 mortalités. Pour l’hiver 2013-2014, 183 incidents sont survenus comptant 15 victimes et 24 blessés pour l’ensemble du Canada. Les amateurs de sports hivernaux en montagne dans des milieux isolés sont souvent exposés à des risques accrus, d’autant plus que la popularité du ‘backcountry’ et la facilité grandissante d’accès aux milieux isolés (motoneige) augmentent la probabilité d’accident.

Jamieson et Geldsetzer (1996), ont démontré que le choix de prédilection des pentes par les skieurs, planchistes et motoneigistes se situe entre 30° et 45°. Cet intervalle représente les pentes auxquelles la majorité des avalanches sont observées alors que peu d'observations d’avalanche ont eu lieu dans des pentes inférieures à 25°(Perla et Martinelli, 1976). Dans le but de limiter ces risques, plusieurs outils ont été développés pour établir le risque d'avalanche (CAA, 2007). Ces méthodes ont pour objectif principal de caractériser la cohésion de la neige et quantifier le risque d’avalanche à travers la formulation d’indices de stabilité du couvert neigeux. Afin d’évaluer en détail un profil vertical de neige, les guides, chercheurs et prévisionnistes doivent se déplacer sur le terrain, souvent difficile d'accès, pour effectuer ces tests (p. ex. test de compression, densité, Rutshblock et identification des couches faibles). À partir de ce type de données, les prévisionnistes responsables de la zone concernée établissent un bulletin d'avalanche pour la zone alpine, à la limite des arbres et sous la limite des arbres. Ces zones ont une influence sur le type de risque et la taille des avalanches puisqu'elles sont affectées par les éléments météorologiques de façons différentes

2

(McClung et Schaerer, 1993). Ce genre d’outil est utilisé à travers le monde dans les zones avalancheuses pour informer les utilisateurs de la stabilité du couvert neigeux selon les différents types de terrain (B. Jamieson et al., 2008).

L’institut pour l'étude de la neige et des avalanches en Suisse (SLF) a développé SNOWPACK, un modèle thermodynamique multicouches de neige permettant de simuler les propriétés géophysiques du manteau neigeux (densité, température, taille de grain, teneur en eau, etc.) (Bartelt et Lehning, 2002; Lehning, et al, 2002). SNOWPACK simule plusieurs procédés thermophysiques comme les changements de phases, le transport de la vapeur d'eau (c.-à-d. métamorphisme) ainsi que la perte de masse du couvert (écoulement, évaporation et sublimation) (Lehning et al., 2002). Ce modèle est utilisé en Suisse de manière opérationnelle afin de soutenir les décisions concernant le risque d'avalanche à l’aide d’un dense réseau de stations météorologiques (Lehning et al., 1999). Il a aussi été testé ponctuellement au Canada pour la prévision d'avalanches, (Bellaire, et al, 2011; Smith, et al, 2008) mais n'a toujours pas été instauré de façon définitive et opérationnelle d’autant plus que les biais connus (c.-à-d. taille de grain) n’ont pas été corrigés. De plus, la répartition très éparse des stations et les incertitudes sur la précision des variables géophysiques au Canada (absence de données de terrain avec des instruments adéquats) contribuent à la difficulté d’utiliser ce modèle.

Bellaire et al., (2011) ont identifié les précipitations (phase et quantité) comme étant un des critères les plus importants pour l’élaboration de prédictions d’avalanches adéquates à l’aide de SNOWPACK. Cependant, ils ont aussi démontré la nécessité d’améliorer la modélisation de la microstructure. Schweizer et al., (2006) ont recommandé de revoir et d’ajuster cet aspect ainsi qu’une mise à jour de la résistance pour l’implantation du modèle au Canada, un mandat jusqu’alors inachevé. Au niveau de la microstructure, la précision de la taille de grain de neige intervient directement dans le calcul d’un des index de stabilité de SNOWPACK, le ‘structural stability index, SSI’ (Monti et al., 2012; Schirmer et al., 2010; Schweizer et al., 2006). Le SSI est une version ajustée de l'index de stabilité SK38 (Jamieson et Johnston, 1998). Le SK38 évalue le potentiel de rupture pour les différentes couches du manteau neigeux en considérant le poids de la neige et d’un skieur (force de cisaillement) à la résistance d’une couche évaluée (stress de cisaillement) sur une pente de 38°. Le SK38 n’évalue pas les variations problématiques dans la microstructure entre les couches adjacentes d’où l’importance de l’incorporation au SSI. La modélisation de la

3

microstructure est centrale dans la simulation du couvert neigeux par le modèle SNOWPACK. Elle intervient à la fois dans la simulation des échanges d’énergie par le modèle entre les couches, mais aussi dans l’interprétation de la stabilité par celui-ci. Le principal problème identifié à ce niveau réside dans le fait que SNOWPACK ne simule que le grossissement des grains de neige (absence de sublimation), et par conséquent mène à une surestimation systématique de la taille (Langlois et al., 2012). Par conséquent, un biais est à prévoir dans le calcul de stabilité. Afin de pouvoir corriger ce problème et d’améliorer la précision du risque simulé, il devient nécessaire de pouvoir mesurer cette variable avec précision verticalement, et temporellement.

La mesure de la taille des grains de neige a longtemps été problématique. Des problèmes de mesures ont été répertoriés de manières répétitives (Domine et al., 2006) à cause de la variabilité des tailles et des formes (Taillandier et al., 2007), cependant de nouvelles méthodes de mesures ont été développées. Puisque l’albédo de la neige est physiquement lié à la taille de grain (Domine et al., 2006) et la forme (Picard et al., 2009), celui-ci peut être utilisé pour calculer la surface spécifique de la neige (SSA). La SSA peut être convertie en Diamètre optique (Do), une valeur disponible dans la modélisation de SNOWPACK. L'Université de Sherbrooke a développé le InfraRed Integrating Sphere (IRIS)(Montpetit et al., 2012 suivant Gallet et al., 2009), un appareil qui permet de mesurer l'albédo dans l’infrarouge d'un échantillon de neige sur le terrain et d'en extraire la SSA. L’évaluation de la simulation de la taille de grain de neige avec précision permettrait de valider et de corriger si nécessaire les indices de stabilité de SNOWPACK. Le Do permettrait d’évaluer la taille des grains en limitant les erreurs de mesures humaines au minimum. En identifiant les causes et les facteurs influençant le biais dans la taille de grain, il serait possible de mieux comprendre comment cette erreur se traduit sur l’évaluation de la stabilité par le modèle. Ce faisant, les améliorations apportées pourraient soutenir l’implantation de cet outil dans la gestion des risques d’avalanche au Canada.

1.2

O

L'objectif principal de la présente étude est de valider et d’identifier le biais de taille de grain de SNOWPACK dans une optique d’implantation dans la chaine de décision des prévisionnistes d’avalanche au Canada. Les objectifs secondaires permettant d'atteindre l'objectif principal sont donc de :

4

i) Calculer et analyser l'erreur modélisée (biais) par le modèle à l’aide des données précises sur le terrain de la taille de grain à l’aide de l’instrument IRIS (Montpetit et al., 2012),

ii) Déterminer les différents facteurs/processus (gradient température, épaisseur, variations météorologiques, etc.) influençant le biais sur la taille de grain,

iii) Valider la résistance simulée par SNOWPACK nécessaire au SSI à l’aide d’un micropénétromètre;

iv) Discuter des biais de la taille de grain et des implications dans la prédiction de stabilité pour les différentes zones d’études.

Puisque la taille de grain est un paramètre central dans la modélisation du couvert neigeux par le modèle SNOWPACK et que sa précision affecte directement l’interprétation des propriétés thermodynamiques, (Lehning et al., 2002) les hypothèses suivantes sont posées:

-L’amélioration de la modélisation de la taille de grain permettra d’augmenter la performance globale du modèle SNOWPACK (Bellaire et al., 2011);

-Une modélisation plus précise des paramètres de la microstructure de la neige permettra une meilleure évaluation du danger relié au couvert neigeux en milieux d'avalanche (Schweizer et al., 2006).

5

2.

C

2.1

M

Le métamorphisme de la neige représente sa modification dans le temps en taille et en forme (c.-à-d. sa métamorphose). La classification du type de neige dépend des procédés dominants du métamorphisme (Colbeck, 1982). Ces processus sont régis par la température, le gradient de température ainsi que le contenu en eau liquide de la neige (Colbeck, 1985, 1983, 1982). La neige tend toujours à réduire son énergie libre de surface par exemple en éliminant les grains plus petits au profit des plus gros grains ce qui se traduit par une baisse de sa surface spécifique (Langlois and Barber, 2007). Cependant, certaines circonstances peuvent faire en sorte d’augmenter la surface spécifique de la neige dans le temps (Domine et al., 2008). Elle est aussi soumise aux différents processus dictés par l’environnement (p. ex. flux de vapeur, contenu en eau liquide)(Colbeck, 1986). Deux types de régimes de métamorphisme existent : celui de neige sèche et celui de neige mouillée.

2.1.1 MÉTAMORPHISME DE NEIGE SÈCHE À L’ÉQUILIBRE

Le métamorphisme à l’équilibre intervient en présence d’un faible gradient de température (Colbeck, 1983; Langlois and Barber, 2007; Sturm, 2002). Les conditions de température nécessaires à cet environnement sont dites isotropes et donc le milieu n’est pas soumis à un gradient directionnel. Pour avoir des changements au niveau de la microstructure des grains dans ce milieu, une température proche du point de fusion doit être présente. Colbeck, (1983) évalue que pour obtenir des grains ronds, typiques de ce métamorphisme, le gradient de température doit être inférieur à 0.1-0.2 °C⋅cm–1 _{et la température doit être plus élevée que -6°C et plus basse que 0°C.} Dans cet environnement, les cristaux de neige ayant une grande surface spécifique vont se transformer vers des formes plus stable et plus ronde et par le fait même réduire leur surface spécifique. La haute surface spécifique des cristaux fournit de l’énergie pour induire une augmentation de chaleur et un transfert de masse à l’échelle des grains (Bader et al., 1939; Colbeck, 1982; Langlois and Barber, 2007). En l’absence de gradient, les flocons de neige subiront un ‘métamorphisme destructif’ (figure 1) tandis que dans les mêmes conditions les plus gros grains grossiront aux dépens des grains plus petits puisque la pression de vapeur est plus élevée autour des dendrites et des grains plus petits (Colbeck, 1983). Finalement, ce type de métamorphisme

6

favorise l’arrondissement des grains et une vitesse de grossissement des grains plus limitée que les autres types.

Figure 1. Décomposition des cristaux de neige en jour en l’absence d’un gradient de température. La forme à l’équilibre se développe tranquillement dû à la différence de température et de pression de vapeur autour des cristaux (tiré de Colbeck, 1982).

2.1.2 MÉTAMORPHISME DE NEIGE CINÉTIQUE (OU DE GRADIENT)

Le métamorphisme cinétique, aussi appelé métamorphisme de gradient de température (temperature gradient metamorphism), survient quand le gradient de température est supérieur à 0.1-0.2°C⋅cm–1 _{(Colbeck, 1983). On observe alors un gradient de vapeur allant de la zone la plus} chaude (c.-à-d. le bas de la colonne de neige) vers la zone la plus froide (c.-à-d. partie supérieure). Les grains fournissant la masse, considérés comme des sources, sont plus profonds dans le manteau neigeux et les grains sur lesquelles la vapeur va condenser sont plus froid et vont servir de puits. La pression de vapeur est directement proportionnelle à la température et donc le degré de métamorphisme et de changement de forme et de taille des grains sera affecté à la fois par le gradient ainsi que la température du milieu. De plus, la vitesse de grossissement ainsi que la sursaturation sont dépendantes de l’espace inter-particulaire, de l’élongation et des connexions entre les grains qui favorisent les flux de chaleur (Colbeck, 1983). C’est sous ce type de gradient que le givre de profondeur ainsi que les facettes seront développés. Les grains développent des structures verticales et striées sur la partie inférieure, plus froide (De Quervain, 1958). Durant ce processus, la formation de liens entre les grains est ralentie et le résultat est une neige moins cohésive (Colbeck, 1983).

2.1.3 MÉTAMORPHISME DE NEIGE MOUILLÉE

Le métamorphisme de neige mouillée intervient lorsque la température de la neige rejoint le point de fusion de l’eau soit 0°C. Le type de transformation de la neige dans ce milieu sera lié à la teneur

7

en eau liquide. Lorsque la neige a une haute teneur en eau (14% des pores sont occupés par de l’eau liquide (Colbeck, 1973, 1982), conditions saturées appelées ‘régime funiculaire’), l’eau va circuler entre les grains (Colbeck, 1982). Dans ces circonstances les plus petits grains, ayant une température de fusion plus basse, vont fondre et les grains plus gros et plus froid vont grossir (Colbeck, 1983). Dans un milieu non saturé (<14%), les grains vont avoir tendance à former des groupes de deux ou trois grains et avoir une vitesse de grossissement accélérée (Colbeck, 1982, 1979). Le métamorphisme de neige mouillée n’étant pas étudié dans le présent travail, il ne fera pas l’objet d’une analyse plus approfondie.

2.2. M

Présentement, il existe trois types principaux de modèles de simulation du couvert neigeux : des modèles simulant qu’une couche de neige, des modèles intégrant une complexité intermédiaire ainsi que les modèles simulant l’ensemble des propriétés du couvert (Armstrong et Brun, 2008). Plus la complexité du modèle augmente, plus le profil vertical sera défini dans différentes couches représentant des épaisseurs où la neige a les mêmes propriétés géophysiques. Du point de vue météorologique, l'intérêt de modéliser le couvert neigeux est de comprendre l'interaction de celui-ci avec le climat local et global puisqu’il est d'une grande importance pour les processus hydrologiques et climatologiques (Langlois et al., 2009; Rango, 1980; Schultz and Barrett, 1989). Les modèles ne modélisant qu’une couche sont généralement inclus dans les prédictions météorologiques numériques ainsi que dans les modèles de simulations climatiques (Vionnet et al., 2012)et des travaux récents ont implémenté des modèles à complexité intermédiaire (Dutra et al., 2010; Kuipers Munneke et al., 2011). En hydrologie, l'évaluation de la quantité d'eau contenue dans le couvert nival est au centre de l'intérêt pour la modélisation de la neige (Langlois et al., 2012). Celle-ci est calculée à l'aide de l'équivalent en eau de la neige (EEN) et nécessite donc des informations sur les propriétés physiques (c.-à-d. densité, épaisseur) du profil vertical du couvert. L’utilisation de modèles multicouches (c.-à-d. modèles simulant l’ensemble des propriétés du couvert) a été étudiée pour le couplage avec des modèles de neige micro-ondes passives (Langlois et al., 2012; Wiesmann et al, 2000) permettant d’étudier la variabilité du EEN sur le territoire. L'évaluation du risque d'avalanche, quant à lui, nécessite une modélisation et une interprétation de l'ensemble des couches à l'intérieur du couvert neigeux. Bartelt et Lehning, (2002) ont déterminé que les modèles ayant une complexité réduite (i.e. Bader et Weilennann, 1992; Gray et al, 1995;

8

Gray et Morland, 1994) ne sont pas suffisants pour évaluer le risque d’avalanche de manière opérationnelle et que l’ensemble de la complexité du couvert neigeux doit être modélisé pour une évaluation adéquate.

Les trois modèles multicouches complexes couramment utilisés SNTHERM (Jordan, 1991), CROCUS (Brun et al, 1992) ainsi que SNOWPACK (Bartelt et Lehning, 2002; Lehning, et al, 1998; Lehning et al., 2002). Ces trois modèles utilisent des données météorologiques en intrant afin de simuler l’évolution temporelle du couvert neigeux et ses propriétés géophysiques. Le modèle SNTHERM prédit la température à l’intérieur du profil de neige ainsi que celle du sol gelé. Le principal résultat de la modélisation est d’établir la température de surface de la neige. Néanmoins, la température, la phase, le contenu en liquide, la densité, l’épaisseur ainsi que la grosseur de grain de neige sont disponibles pour le nombre de repères établi dans le fichier de configuration (Jordan, 1991). Il n’est cependant pas utilisé en montagne. Le modèle CROCUS a quant à lui été développé en France pour suivre le risque d’avalanche dans les Alpes françaises. Il peut modéliser jusqu’à 50 couches de neige différentes. Le modèle prend en compte le transfert de masse et d’énergie entre les différentes couches pour simuler les différents processus physiques. Finalement, le modèle choisit pour la présente étude, SNOWPACK peut intégrer un nombre infini de couches. Ce modèle sera décrit dans la prochaine section.

2.2.2. LE MODÈLE THERMODYNAMIQUE SNOWPACK

SNOWPACK est un modèle numérique permettant de résoudre les équations gouvernant la masse et l’énergie à l’intérieur de la colonne de neige en utilisant une méthode d’éléments finis. Ce modèle a été spécifiquement conçu pour appuyer les décisions dans les milieux où les avalanches sont problématiques. Chaque précipitation sous forme de neige s’ajoute comme un élément fini au modèle. Un module complémentaire peut aussi être ajouté pour y inclure l’apport de neige par le vent. Plusieurs procédés physiques doivent être pris en compte lors de la modélisation du couvert neigeux. Considérons la figure 2 qui démontre un couvert neigeux de plusieurs épaisseurs et les différents processus qui y seront modélisés.

9

Figure 2. Ensemble des éléments et des processus physiques influençant les propriétés du couvert nival et des couches de neige le composant (tiré de Bartelt et Lehning, (2002))

Chaque couche est définie selon la fraction du volume de la glace, d’eau et de l’humidité de sorte que la somme de ces fractions sera toujours égale à 1. Le modèle utilise un système de coordonnée Lagrangien ce qui permet un déplacement vertical des couches de neige au sein du modèle avec le temps causé par la compaction et le métamorphisme. L'identification et la caractérisation des différentes couches de neige dans le couvert nival sont essentielles à la problématique d'avalanche. Les modèles ne détaillant pas ces éléments de manière précise ne permettent pas le suivi et l'évaluation du risque d'avalanche. SNOWPACK est basé sur la modélisation de la microstructure à partir de la densité, de la température et de la quantité d’eau (figure 3). Tous les autres paramètres sont ensuite dérivés des équations reliées au métamorphisme.

10

Figure 3. Hiérarchie des processus modélisés par SNOWPACK (SNOWPACK, V.3.2 module théorique)

2.3 S

SNOWPACK

La taille de grain de neige fait partie des quatre éléments de microstructure indépendante identifiés par Brun et al., (1992) : la sphéricité, la dendricité, la taille de grain et la taille des liaisons inter-grains. Le modèle évaluera la taille de grain de deux façons : soit avec le diamètre maximum, soit avec le diamètre équivalent optique. Ces quatre paramètres principaux sont modélisés par SNOWPACK et le reste de la microstructure peut être dérivé de ceux-ci. La taille de grain de neige est déterminée par trois phénomènes différents de métamorphisme : métamorphisme de grossissement en milieu d’équilibre, métamorphisme de grossissement cinétique (ou de gradient de température) et le métamorphisme de fonte.

2.3.1 MODÈLE DE MÉTAMORPHISME D’ÉQUILIBRE

Le métamorphisme d’équilibre est présent lorsque le gradient de température est faible (moins que 5 K m-1_{). Dans ce cas précis, le taux de croissance des grains avec une sphéricité sp, s’exprime} par : 3(1/ 1/ ) 2 1 ( , ) A TR T g g A r T t sp A e r     _  _   (1)

11

où r est le diamètre du grain,_g TR est la température de référence (273.15 K) et T est la température

en K. Lorsque les grains ont une haute sphéricité, les constantes A1, A2 et A3 sont appliquées :









 

La sphéricité se situe entre 0 et 1 selon le type de grain (Brun et al., 1992). Les grains ayant un type de grain à faible sphéricité (c.-à-d. facette) sont stables en milieu d’équilibre, leur croissance sera donc nulle. Si les grains ont un degré de sphéricité élevé, puisqu’il y aura toujours une certaine variabilité entre les tailles, les petits grains seront toujours une source pour la croissance des plus gros grains. SNOWPACK utilise une théorie de mixture (Brown et Edens, 1999) pour modéliser la taille de grain dans ces conditions et donc la taille des liens entre les grains sera aussi calculée. Ce modèle a été validé par stéréologie (Edens et Brown, 1995) qui mesure la taille de grain moyenne ainsi que les paramètres de liaison entre grains.

2.3.2 MODÈLE DE MÉTAMORPHISME CINÉTIQUE

Lorsque le gradient de température est plus élevé, le processus dominant est le métamorphisme cinétique. De manière générale, ce grossissement s’opère lorsqu’il y a sublimation des grains ayant une température plus élevée et ensuite une condensation de cette vapeur sur les grains plus froids (Giddings et LaChapelle, 1962). Puisqu’il est difficile d’inclure une approche théorique de métamorphisme cinétique dans un modèle (Lehning et al., 2002), SNOWPACK utilise un modèle théorique et semi-empirique (Baunach et al, 2001) pour résoudre ce phénomène. Le flux de vapeur sera calculé de deux façons selon que le milieu est saturé ou non. Si le milieu est saturé, le flux de vapeur sera calculé en termes de température et de gradient de température. Ce flux sera alors calculé pour établir le transfert entre les différentes couches. En milieu non-saturé, le flux sera calculé à l’intérieur de chaque couche à partir du gradient de température au centre pour calculer le transfert entre les grains. Une constante est établie pour chacune des couches afin d’établir un ajustement pour le flux à l’intérieur de la couche. Le métamorphisme cinétique sera donc établi selon :

12 3 2 2 ( ) ( ) ( ) ( ) ( ) 2 (0) ( ) L L L g gg i g g a t a t J t J t z r t f r r t     (3)

où a est la constante d’ajustement de la couche, J_L est le flux calculer pour la couche, z est

l’épaisseur de la couche, J_{L L2} est le taux de vapeur net entre les couches adjacentes. f est un _gg

facteur de géométrie prenant en considération la forme des grains et



pure. Finalement, (0)r_g représente le côté fixe d’un grain durant la croissance de celui-ci et ( )r t _g

représente le grossissement des côtés non fixe (Annexe 1) (pour plus de détail, consulté Baunach et al., 2001).

2.3.3 MODÈLE DE MÉTAMORPHISME DE NEIGE MOUILLÉE

Sous un métamorphisme de neige mouillée, le grossissement est beaucoup plus rapide qu’en condition de neige sèche. Le modèle SNOWPACK se base alors sur les travaux de (Brun et al., 1992) où un algorithme empirique de métamorphisme a été établi en fonction de la fraction de la masse liquide d’eau, m

w

 . Le métamorphisme en neige mouillée est donc exprimé par:

3 1 2 2 4 ( ( ) ) ( ) ( ) m w g g C C t r t r t     (4)

où les deux constantes empiriques sont :

3 1 1 5 1 2 1.1 10 ( ) 3.7 10 ( ) C mm jour C mm jour         (5)

Puisqu’à ce jour aucune théorie ou données ne sont disponible pour la variation des liens entre grains de neige pour ce métamorphisme, il est assumé que seule la fusion des grains sous pression (pressure sintering) cause le métamorphisme. Les changements dans la microstructure de la neige (changement dans la dendricité et la sphéricité) sont beaucoup plus rapides pour ce type de métamorphisme.

13

2.3.4 SIMULATION DE LA DENDRICITÉ ET DE LA SPHÉRICITÉ

La dendricité et la sphéricité sont simulées par le modèle et représentent le caractère évolutif de la forme des grains dans le temps. Ce sont des paramètres importants pour la détermination du métamorphisme et interviennent dans plusieurs équations. Les équations de SNOWPACK sont dérivées de celles développées par Brun et al. (1989) et ajustées pour suivre les équations de métamorphisme du modèle (Lehning et al., 2002). La dendricité représente le métamorphisme destructif de la nouvelle neige où le modèle considère que les précipitations ont une valeur de dendricité de 1 et une sphéricité de 0.5. Tant que la valeur de dendricité sera supérieure à 0, la neige sera considérée en décomposition. Le taux de réduction de la dendricité est divisé par type de métamorphisme présent : 6000 6000 8 0.4 8 2 10 , 5 ( ) 2 10 , 5 T T T K e z m d d t T T K e z z m         _{  }         (6)

Où d d t( )a une unité de 1/s. Il y a pondération du taux de réduction par le gradient de température lorsqu’il y a plus de 5 K/m pour la couche évaluée. La sphéricité changera différemment dans un milieu en décomposition que dans un milieu de vieille neige. Puisqu’il s’agit d’un facteur de forme qui est directement liée à la présence ou absence de gradient, le taux de sphéricité changera en fonction de la dendricité : 0.3 ( ), 5 ( ) 0.3 ( ), 5 T K dd t z m s p t T K dd t z m             . (7)

Dans le cas de la vielle neige, le changement de sphéricité sera :

6000 6000 8 0.4 8 5 10 5 , 5 ( ) 1 10 , 5 T T T T K e z z m s p t T T K e z z m                             . (8)

14

Ici, s p t( )est aussi exprimé en 1/s. Lehning et al. (2002) ont déterminé que l’équation 8 devrait être améliorée pour de meilleurs résultats. En effet, la transition rapide entre l’équation du milieu à l’équilibre et celui cinétique n’est pas appuyé par la théorie. Les taux de changement liés au métamorphisme de neige mouillée sont uniquement affectés par la quantité d’eau liquide à l’intérieur de la couche évaluée à l’instar de l’équation de métamorphisme démontrée (section 2.3.3). Ce type de changement est beaucoup plus rapide et dynamique que dans la neige sèche. Il est clair que l’incertitude reliée à la sphéricité a un impact sur le transfert du diamètre géométrique à optique abordé dans la prochaine section.

2.3.5 SIMULATION DU DIAMÈTRE ÉQUIVALENT OPTIQUE

Le modèle ne simule pas directement la taille de grain optique à partir des équations de flux de vapeur, de température et d’équivalent en eau comme c’est le cas dans les précédentes sections. En effet, le Dopt est calculé à partir de la taille des grains, de la dendricité, la sphéricité. Le transfert en Dopt se fait à partir de l’équation de Vionnet et al. (2012) :

     4 4 10 1 4 1 max 4.10 , 2 opt g g d d s cas dendritique D r

r s s cas non dendritique

   _    _    _{   }   _       (9)

où d est le stade de dendricité de la neige, s représente le taux de sphéricité et rg est la taille de

grain de neige géométrique. Deux cas spécifiques de transformation du Dopt sont implémentés soit les cas dendritiques et ceux non dendritiques. Dans le cas d’une neige en décomposition (c.-à-d. dendritique), seule la dendricité ainsi que le taux de sphéricité sont considérés pour faire le transfert en Dopt. Dans le cas vieille neige (c.-à-d. non dendritique), deux cas de figure sont évalués. Dans ces conditions, la sphéricité déterminera le taux de conversion. Par exemple un grain rond ayant une sphéricité de 1 sera égal en Dopt et en diamètre géométrique. Cependant, un élément ayant une sphéricité de 0 (p. ex. : facette) ne sera contraint que par la deuxième partie de l’équation. La majorité des couches de neige se trouve entre 0 et 1 et sera affectée par les deux parties de l’équation.

15

2.4. S

Plusieurs paramètres peuvent être mesurés afin de caractériser les grains de neige. La longueur de l’axe, le volume, la surface et le diamètre optique sont des paramètres qui permettent de caractériser la morphologie des grains (Arnaud et al., 2011; Gallet and Domine, 2009; A. Langlois et al., 2010; Matzl and Schneebeli, 2006; Montpetit et al., 2012b; Painter et al., 2007). Différentes études ont cependant démontré que la mesure du diamètre maximal moyen ne permettait pas de caractériser les propriétés optiques et l’information sur la morphologie de la neige adéquatement (Kokhanovsky et Zege, 2004; Langlois et al., 2010; Mätzler, 2002; Painter et al, 2007). La SSA de la neige est le ratio entre la surface totale du grain et son volume (Domine et al., 2006). C’est une mesure importante puisqu’elle est liée à la taille de grain et définie par :

𝑆𝑆𝐴 = 𝑆

𝜌𝑔𝑙𝑎𝑐𝑒∗𝑉 (𝑒𝑛 𝑘𝑔 𝑚

−2_{) (10)}

où V représente le volume moyen en m3_{, S la surface du grain en m}2_{, 𝜌}

𝑔𝑙𝑎𝑐𝑒 est la densité de la glace (917 kg/m3 _{à 0°C). Dans les études de transfert radiatif, le diamètre optique des particules est} normalement utilisé pour caractériser la taille pour toutes formes en utilisant le volume et l’aire de la surface (Montpetit et al, 2012) où 𝐷_𝑜 = 6𝑉

𝑆 (Grenfell et Warren, 1999). La relation entre le SSA et le 𝐷𝑜 peut donc être assumée par 𝐷𝑜=

6

𝜌𝑔𝑙𝑎𝑐𝑒𝑆𝑆𝐴 . La comparaison avec l'équivalent du diamètre

optique calculé par SNOWPACK est donc établie avec cette équation.

Dans l’infrarouge , l’albédo de la neige est plus faible et plus sensible à la SSA (Domine et al., 2006) que dans les longueurs d’ondes du visible. Des méthodes appuyées sur la réflectance à ces longueurs d’onde ont été développées afin de pouvoir obtenir la 𝑆𝑆𝐴 (Gallet et Domine, 2009; Langlois et al., 2010; Montpetit et al., 2011). Celle-ci est dérivée du modèle suggéré par Kokhanovsky et Zege (2004) pour le calcul de l’albédo de la neige. Montpetit et al., 2012, ont développé un appareil pour mesurer l'albédo à 1,3 μm conçut avec une sphère intégrante dans l'infrarouge (IRIS). Cet appareil a démontré sa robustesse et sa précision dans plusieurs études (Langlois et al., 2012; Montpetit et al., 2011; 2012; 2013).

16

2.5 S

Les avalanches peuvent être divisées en deux types principaux selon le type de déclenchement : les avalanches de neige peu cohésive et les avalanches de plaques. Les avalanches de neige fraiche sont déclenchées par le manque de cohésion des grains de neige par rapport à la force gravitationnelle dans une pente. Normalement ces avalanches n’entraineront pas un volume assez significatif pour poser un risque important. Cependant, les avalanches de plaques surviennent lorsqu’une couche faible cède sous le poids (stress) des couches la recouvrant (McClung and Schaerer, 1993). Selon Schweizer et al. (2003) trois types de déclenchements d’avalanche de plaques sont possibles : 1) une augmentation rapide du stress près de la surface que ce soit par la présence d’une personne ou d’un d’explosif, 2) une augmentation du stress uniforme par les précipitations ou 3) une situation où le stress n’augmente pas, mais la force de cohésion de la neige diminue comme lors d’un épisode de réchauffement par le soleil. La différence principale dans ces déclenchements est la vitesse de l’augmentation du stress ou dans le cas d’un réchauffement, la vitesse de diminution de la force du couvert neigeux.

Deux approches sont préconisées pour la formation d’avalanches : 1) l’interaction complexe entre le terrain, la colonne de neige et les conditions météorologiques peut être évalué via les statistiques ou par association ou 2) les procédés physiques et mécaniques de la formation d’avalanche peuvent être étudiés et modélisés (Schweizer et al., 2003). Dans un cas comme dans l’autre, c’est la stabilité du manteau neigeux qui est importante pour les prévisionnistes et/ou les chercheurs. La stabilité du manteau neigeux peut être définie comme la probabilité que des avalanches soient déclenchées (naturellement ou non). Elle est déterminée à un temps et un endroit donnés considérant la sensibilité et la distribution spatiale d’un déclenchement (CAA, 2007). En supplément à cette définition, l’instabilité liée à une certaine couche peut aussi être un aspect descriptif important dans l’évaluation des risques d’avalanche. McCammon et Schweizer (2002) ont démontré qu’en plus de la stabilité mécanique de la neige, il existe des propriétés directement reliées à l’instabilité du manteau neigeux. La différence à l’interface des couches de taille des grains ainsi que la dureté ont été identifiées comme étant les indicateurs principaux d’instabilité du manteau neigeux (Schweizer and Jamieson, 2007, 2003; Schweizer et al., 2006). De manière plus précise, la stabilité 𝑆 peut être calculée pour un temps donné, à une certaine profondeur du couvert neigeux et d’un endroit sur une pente. Schweizer et al. (2003) résument le problème d’avalanche comme un équilibre fragile

17

entre la résistance de neige 𝜏_𝑓 et le stress (le stress normal σ et le stress de cisaillement τ) à un temps 𝑡 et un endroit 𝑥 :

𝑆 = 𝜏𝑓(𝜎,𝑥,𝑡)

𝜏(𝑥,𝑡) . (11)

De manière théorique, les conditions instables surviennent lorsque 𝑆 s’approche de 1. Ce qui peut faire varier la stabilité est soit le poids (donc de stress) sur une couche et la capacité de cette couche à résister à ce dernier. La plupart des facteurs qui contribuent à l’instabilité sont donc reliés avec la résistance ou la variation de poids. Parmi les facteurs qui contribuent au danger d’avalanche, les plus importants sont le terrain, les précipitations, le vent, la température ainsi que la stratigraphie du manteau neigeux. Ces éléments vont dicter 2 types d’instabilité : 1) l’instabilité absolue qui ne nécessite aucune intervention extérieure et, 2) l’instabilité conditionnelle. On parle d’instabilité absolue quand un cycle d’avalanches naturelles généralisé survient. Ce type d’évènement se produit généralement sur de courtes périodes de temps durant chaque hiver. Ce type d’instabilité est relié avec celle conditionnelle qui nécessite un stress supplémentaire. En effet, des conditions d’instabilité conditionnelle mèneront à un cycle d’avalanche naturelle dans le cas de grande précipitation par exemple. Cependant, la présence d’une instabilité conditionnelle peut durer longtemps voire l’hiver complet, surtout quand la force de déclenchement est atteinte difficilement. Les couches faibles sont souvent constituées de neige ayant subi un métamorphisme cinétique élevé. Ces types de cristaux sont dans la majorité des cas du givre de surface, des facettes et du givre de profondeur et persisteront tout l’hiver (Jamieson and Johnston, 1992).

L’ensemble des informations sur les facteurs de déclenchement ainsi que sur la stabilité et l’instabilité permet aux prévisionnistes d’évaluer les conditions de stabilité. Les données recueillies pour qualifier et quantifier ces éléments sont les plus significatives pour la prédiction du risque d’avalanche. En effet, McClung (2002) identifie les signes d’instabilités comme des informations de classe 1 (figure 2) et donc la catégorie la plus importante pour évaluer le risque. Il est possible de résumer la figure 1 comme les éléments nécessaires à prendre en considération lors de la prévision des dangers d’avalanche. Si l’on reprend l’ensemble des types de données présentées, on y retrouve les étapes de développement des avalanches soit : (1) les éléments environnementaux (classe 3), (2) le développement de la variabilité verticale causé par l’environnement (classe 2) et

18

(3) les signes d’instabilités qui sont le résultat de la classe 3 et 2. Ultimement, les signes d’instabilités se traduisent par l’occurrence d’avalanches.

Figure 4. Entropie des éléments d’informations en trois classes (tiré de LaChapelle, 1985; McClung and Schaerer, 1993; McClung, 2002). Plus le numéro de la classe est bas, et plus les données sont faciles à interpréter. La classe III est numérique et directement mesurable, la classe II est mesurée à partir d’interprétations et finalement la classe I démontre des éléments évidents d’instabilité.

Ces étapes représentent justement la chaine de modélisation de SNOWPACK soit les données environnementales en intrant, la modélisation du manteau neigeux en simulant la variabilité verticale de la neige et finalement, la production d’indices de stabilité basés sur l’évaluation des propriétés physiques reliées à l’instabilité du couvert neigeux. Cependant, même si la modélisation peut donner une évaluation sur la stabilité, elle ne peut pas prédire l’occurrence des avalanches.

2.6 I

SNOWPACK

Le type de grain ainsi que la taille de grain permettent d’obtenir une évaluation de la stabilité du couvert neigeux grâce à l’implémentation de l’indice de stabilité de ski (SSI) (Schweizer et al., 2006). Cet indice est un ajustement du SK38, un indice développé pour l’évaluation de la stabilité

19

sur une pente de 38°(Jamieson et Johnston, 1998). Le SK38 à une profondeur h (mesuré à partir de la surface de la neige) est défini comme :

38 xz xz SK   _   (12)

où 𝜏 est la force de rupture par type de grain (Jamieson et Johnston, 2001), 𝜏_𝑥𝑧 est le stress causé par le poids des couches de neige supérieures et ∆𝜏𝑥𝑧 est le stress supplémentaire causé par un skieur modélisé comme une charge linéaire (Föhn, 1987). 𝜏_𝑥𝑧 s'exprimera selon:

xz g h sin cos









avec 𝜌 égale à la densité moyenne des couches de neige, 𝜓 représentant l’angle de la pente moyenne et 𝑔 l’accélération causée par la gravité (figure 5). La structure du couvert nival a donc une influence sur la stabilité (McCammon et Schweizer, 2002). La taille de grain et la dureté (‘Hardness’) des couches et la différence entre ces propriétés entre les couches ont un impact sur la stabilité (Schweizer et Jamieson, 2003; 2007).

Figure 5. Vu en coupe d’une plaque de neige montrant l’axe des coordonnées de x et z, de la

profondeur de la couche faible, h, de l’angle de la pente,  , et la localisation du stress maximal induit par le skieur.(Tiré de Jamieson et al, 1998).

20

𝑆𝑆𝐼 = 𝑆𝐾₃₈+ ∆𝑅∗_{+ ∆𝐸}∗ ₍₁₄₎

où ∆𝑅∗ _{est la différence en absolu de dureté mesurée selon un indice manuel de 1 à 6 entre deux} couches adjacentes. Cet indice consiste à mesurer en pénétrant la couche de neige avec un poing, sinon quatre doigts, sinon un doigt, sinon un crayon, sinon un couteau ou sinon la couche est considérée comme de la glace. Ensuite ∆𝐸∗ _{est la différence de taille de grain en mm entre les} couches adjacente du couvert à une profondeur donnée. ∆𝑅∗ _{et ∆𝐸}∗ _{prendront une valeur de 0 ou} de 1 selon que la valeur seuil est atteinte ou non :

∆𝑅∗ = {0 𝑠𝑖 ∆𝑅 ≥ 1.5

1 𝑠𝑖 ∆𝑅 < 1.5 (15)

∆𝐸∗ = {0 𝑠𝑖 ∆𝐸 ≥ 0.5

1 𝑠𝑖 ∆𝐸 < 0.5 (16)

Ces seuils sont basés sur les valeurs obtenues par Schweizer et Jamieson, (2003) et les caractéristiques du modèle SNOWPACK.

21

3.

A

L’article qui suit, qui est donc le point central du présent mémoire, est soumis à la revue scientifique Cold Regions Science and Technology (CRST) (éditeur international Elsevier). Il est présenté de façon intégrale, et ce seulement en anglais. Il a été écrit en collaboration étroite avec les collègues au projet de Glacier National Park et Jasper National Park. L’article est présentement en révision et devrait être publié prochainement.

L’article fait suite à deux publications de conférences :

1) Madore, J.-B., Côté, K. and Langlois, A. 2015. Improvement of snow grain simulations from the multi-layered thermodynamic snow model SNOWPACK: implications to avalanche risk assessment. 72nd _{Eastern Snow Conference Proceedings, Sherbrooke, June}

2015, 152-158.

2) Madore, J.-B., Côté, K. and Langlois, A. Improvement of Snow Grain Simulations by the Multi-Layered Thermodynamic Snow Model SNOWPACK: Implications to Avalanche Risk Assessment, International Snow Science Workshop, Banff, October 2014, 570-574.

La référence pouvant être utilisée pour citer cet article est la suivante :

Madore, J.-B., Côté, K. and Langlois, A. 2016. Evaluation of the SNOWPACK model metamorphism and microstructure in a Canadian context: A case study for snow stability assessment. Cold Regions Science and Technology, Submitted, May 2016.

61

4.

C

Le présent projet a permis d’analyser et de qualifier la modélisation de la microstructure par SNOWPACK, plus particulièrement la taille de grain optique, pour deux climats montagneux canadiens. Avec une perspective d’évaluation de la modélisation de la stabilité pour l’implantation du modèle dans la chaine de décision de prévention du risque d’avalanche au Canada, l’impact de l’erreur de taille de grain sur le Structural Stability Index (SSI) (Schweizer et al. 2006) a été étudié. Pour arriver à cette évaluation, quatre objectifs spécifiques ont été proposés et atteints. Premièrement, l’erreur modélisée par le modèle a été calculée et analysée à l’aide des données de diamètre optique prises lors de campagne terrain sur le site du parc national des Glaciers et celui de Jasper. L’identification du métamorphisme dominant sur chaque site a permis d’atteindre le deuxième objectif et d’étudier l’erreur de taille de grain optique en fonction du climat. Les profils de résistance pris à l’aide d’un micropénétromètre ont permis de valider les changements de résistance modélisés par SNOWPACK au parc national des Glaciers. Finalement, l’implication et les impacts des erreurs modélisées sur le SSI dans les différents climats ont été analysés.

L’article présenté fait le point sur la complexité d’une évaluation uniforme de l’erreur de taille de grain pour le modèle SNOWPACK. Il y est démontré que cette erreur est grandement influencée par les procédés métamorphiques dominants sur les sites à l’étude. Les résultats obtenus suggèrent que la forme de métamorphisme à l’équilibre est mieux représentée que celle cinétique. De plus, l’incertitude de l’équation de transition utilisée par SNOWPACK pour passer de taille de grain traditionnel à une taille de grain optique n’a pas été mesurée. La sphéricité incorpore une incertitude dans l’interprétation des données et cette variable n’a pu être mesurée sur le terrain. Cependant, le modèle a bien réussi à simuler la densité dans les deux sites. Puisque la résistance utilisée dans l’équation du SSI simulée par SNOWPACK est directement reliée avec la densité, sa simulation a été considérée comme étant acceptable. De plus, les mesures de micropenetromètre ont permis d’identifier les zones de changement de résistance dans le couvert neigeux, zone qui était aussi présente dans l’analyse du SSI et qui suggère que la résistance était bien modélisée.

La taille de grain mesurée à l’aide du diamètre maximal des grains est de moins en moins utilisée aux dépens de la mesure du diamètre optique des grains. Cette dernière, considérée plus précise, apporte l’aussi l’avantage d’une mesure standard, indépendant de l’observateur. Il est donc beaucoup plus facile de valider des données de diamètre optique entre elles. Par conséquent, la

62

validation des tailles de grains entre des sites ayant des climats différents, des métamorphismes différents et des problématiques d’avalanche différentes doit passer par une méthode de mesure de diamètre optique. Cette mesure doit donc être intégrée dans les calculs de stabilité pour permettre une meilleure validation dans les différents climats avalancheux. Pour l’instant, afin de mieux comprendre l’erreur de modélisation de SNOWPACK, le paramètre de la sphéricité doit être étudié et une méthode de validation sur le terrain doit être développée. Sachant qu’il s’agit d’un paramètre de forme difficilement quantifiable cette tâche sera difficile à accomplir. Une avenue intéressante pourrait être les mesures de micropénétromètre qui permettent maintenant d’avoir des lectures de microstructure rapides et de manière répétitives et non destructrices.

Vu la diversité des climats, des chaines de montagnes et de la fréquentation du territoire canadien, il y a un besoin pour une meilleure compréhension de la microstructure dans un contexte d’avalanche et de simulation de la stabilité à grande échelle. Les zones où peu de ressources sont disponibles, mais qui peuvent être fréquentées par des skieurs, motoneigistes ou autres utilisateurs doivent pouvoir être évaluées. Ce projet a permis de mettre les bases pour l’évaluation de la modélisation de la microstructure par le modèle SNOWPACK pour une application en prévision d’avalanche.

Cette recherche fait partie d’un premier projet du groupe GRIMP dans l’implantation du modèle SNOWPACK pour appuyer les prévisionnistes en avalanche du Canada. Pour mener à bien ce projet, de nouvelles bases de données ont été créées, de nouveaux partenariats ont été développés et le groupe a acquis une nouvelle expertise. Le groupe s’est aussi certifié en sécurité en avalanche, a appris les rudiments de la montagne et a établi de nouveaux protocoles de mesure qui n’existaient pas au sein de l’équipe avant ce projet. Cette nouvelle expertise est un acquis de taille sachant que les recherches dans ce milieu continueront au sein de l’équipe et permettront de contribuer de façon significative aux avancements en sécurité d’avalanche au Canada, et autres projets au sein du GRIMP.

63

R

Arnaud, L., Picard, G., Champollion, N., Domine, F., Gallet, J.C., Lefebvre, E., Fily and M., Barnola, J.-M. (2011) Measurement of vertical profiles of snow specific surface area with a 1 cm resolution using infrared reflectance: instrument description and validation. Journal of Glaciology vol.57, p.17–29.

Bader, H., Haefeli, R., Bucher, E., Neher, J., Eckel, C. and Thams, C. (1939) Der Schnee und seine Metamorphose. Beitr. Geol. der Schweiz, Geotech. Ser. Hydrol. vol.3, p.1–313.

Bader, H.P. and Weilenmann, P. (1992) Modeling Temperature Distribution, Energy and Mass-Flow in a (Phase-Changing) Snowpack .1. Model and Case-Studies. Cold Regions Science and Technology vol 20, p.157–181.

Bartelt, P. and Lehning, M. (2002) A physical SNOWPACK model for the Swiss avalanche warning Part I: numerical model. Cold Regions Science and Technology vol.35, p.123–145 Baunach, T., Fierz, C., Satyawal, P.K. and Schneebeli, M. (2001) A model for kinetic grain growth.

Annals of Glaciology. vol.32, p.1–6.

Bellaire, S., Jamieson, J.B. and Fierz, C. (2011) Forcing the snow-cover model SNOWPACK with forecasted weather data. Cryosphere. vol.5, p.1115–1125.

Brown, R.L., Edens, M.Q. and Barber, M. (1999) Mixture theory of mass transfer based upon microstructure. Defence Science Journal vol.49, p.393–409.

Brun, E., David, P., Sudul, M. and Brunot, G. (1992) A numerical model to simulate snow-cover stratigraphy for operational avalanche forecasting. Journal of Glaciology vol.38, p.13–22. Brun, E., Martin, E., Simon, V., Gendre, C. and Coleou, C. (1989) An energy and mass model of

snow cover suitable for operational avalanche forecasting. Journal of Glaciology vol. 35, p.333-342

CAA (2007) Observation guidelines and recording standards for weather, snowpack and avalanches. 107 p.

Colbeck, S.C. (1986) A review of the metamorphism and classification of seasonal snow cover crystals. Proceedings of the Davos Symposium, IAHS Publication 32 p.

Colbeck, S.C. (1985) Temperature dependence of the equilibrium form of ice. Journal of crystal growth vol.72, p.726–732.

Colbeck, S.C. (1982) An overview of seasonal snow metamorphism. Reviews of Geophysics vol.20, p.45–61.

Colbeck, S.C. (1983) Theory of metamorphism of dry snow. Journal of Geophysical Research vol.88, p.5475–5482.

Colbeck, S.C. (1979) Grain clusters in wet snow. Journal of Colloid And Interface Science vol.72, p.371–384.

64

Colbeck, S.C. (1973) The Theory of Metamorphism of Wet Snow. Cold Regions Research and Engineering.

De Quervain, M. (1958) On metamorphism and hardening of snow under constant pressure and temperature gradient.

Domine, F., Salvatori, R., Legagneux, L. and Salzano, R. (2006) Correlation between the specific surface area and the short wave infrared ( SWIR ) reflectance of snow. Cold Regions Science and Technology vol.46, p.60–68.

Domine, F., Taillandier, a.-S., Cabanes, a., Douglas, T. a., Sturm, M., 2008. Three examples where the specific surface area of snow increased over time. Cryospere Discussion vol. 2, p.649– 672.

Dutra, E., Balsamo, G., Viterbo, P., Miranda, P.M.A., Beljaars, A., Schär, C. and Elder, K. (2010) An Improved Snow Scheme for the ECMWF Land Surface Model: Description and Offline Validation. Journal of Hydrometeorology vol.11,p. 899–916.

Edens, M. and Brown, R. (1995) Measurement of microstructure of snow from surface sections. Defence Science Journal vol.45,no2, p.107–116.

Föhn, P. (1987) The stability index and various triggering mechanisms. Proceedings of the Davos Symposium, IAHS Publication p.197-214

Gallet, J.-C.C., Domine, F., Zender, C.S. and Picard, G. (2009) Measurement of the specific surface area of snow using infrared reflectance in an integrating sphere at 1310 and 1550 nm. Cryosphere. vol.3, no.2, p.167–182.

Giddings, J. and LaChapelle, E. (1962) The formation rate of depth hoar. Journal of Geophysical Research vol.67,no.6, p.2377-2383.

Gray, J. and Morland, L. (1994) A dry snow pack model. Cold Regions Science and Technology vol.22, 135–148.

Gray, J. and Morland, L., Morris, E. (1995) A phase-changing dry snowpack model. Journal of Glaciology vol.41, p.11–29.

Grenfell, T. and Warren, S. (1999) Representation of a nonspherical ice particle by a collection of independent spheres for scattering and absorption of radiation. Journal of Geophysical Research. vol.104, no.D24, p.31,697-31,709

Jamieson, B., Campbell, C. and Jones, A. (2008) Verification of Canadian avalanche bulletins including spatial and temporal scale effects. Cold Regions Science and Technology vol.51, p.204–213.

Jamieson, B. and Geldsetzer, T. (1996) Avalanche Accidents in Canada Volume 4 : 1984-1996. 202 p.

Jamieson, B. and Johnston, C.D. (2001) Evaluation of the shear frame test for weak snowpack layers. Annals of Glaciology. vol.32, no.1, p.59-69

65

Jamieson, B. and Stethem, C. (2002) Snow avalanche hazards and management in Canada: challenges and progress. Natural Hazards vol.26, p.35–53.

Jamieson, J. and Johnston, C. (1998) Refinements to the stability index for skier-triggered dry-slab avalanches. Annals of Glaciology. vol.26, p.296-302.

Jamieson, J.B. and Johnston, C.D. (1992) Snowpack characteristics associated with avalanche accidents. Canadian Geotechnical Journal vol.29, no.5, p.862–866.

Jordan, R. (1991) A one-dimensional temperature model for a snow cover: Technical documentation for SNTHERM.89. CRREL Special Report vol.91-16, 49 p.

Kokhanovsky, A. a and Zege, E.P. (2004) Scattering optics of snow. Applied Optics vol.43, no.7, p.1589–1602.

Kuipers Munneke, P., van den Broeke, M.R., Lenaerts, J.T.M., Flanner, M.G., Gardner, A.S. and van de Berg, W.J. (2011) A new albedo parameterization for use in climate models over the Antarctic ice sheet. Journal Geophysical Research vol.116, p.D05114.

LaChapelle, E.R. (1985) The ABC of Avalanche Safety, 2nd ed. Seattle.

Langlois, a., Royer, a., Montpetit, B., Picard, G., Brucker, L., Arnaud, L., Harvey-Collard, P., Fily, M. and Goïta, K. (2010) On the relationship between snow grain morphology and in-situ near infrared calibrated reflectance photographs. Cold Regions Science and Technology vol.61, p.34–42.

Langlois, a., Royer, A., Derksen, C., Montpetit, B., Dupont, F. and Goïta, K. (2012) Coupling the snow thermodynamic model SNOWPACK with the microwave emission model of layered snowpacks for subarctic and arctic snow water equivalent retrievals. Water Resources Research. vol.48, p.W12524.

Langlois, A. and Barber, D.G. (2007) Passive microwave remote sensing of seasonal snow-covered sea ice. Progress in Physical Geography vol.31, no.6, p.539–573.

Langlois, A., Kohn, J., Royer, A., Cliche, P., Brucker, L., Picard, G., Fily, M., Derksen, C. and Willemet, J.M. (2009) Simulation of Snow Water Equivalent (SWE) Using Thermodynamic Snow Models in Québec, Canada. Journal of Hydrometeorology vol.10, p.1447–1463. Langlois, A., Royer, A., Montpetit, B., Picard, G., Brucker, L., Arnaud, L., Harvey-Collard, P.,

Fily, M. and Goïta, K. (2010) On the relationship between snow grain morphology and in-situ near infrared calibrated reflectance photographs. Cold Regions Science and Technology vol.61, p.34–42.

Lehning, M., Bartelt, P. and Brown, B. (2002) A physical SNOWPACK model for the Swiss avalanche warning: Part II. Snow microstructure. Cold Regions Science and Technology vol.35, p.147–167.

Lehning, M., Bartelt, P. and Brown, B. (1998) A network of automatic weather and snow stations and supplementary model calculations providing snowpack information for avalanche warning. Proceedings of the International Snow Science Workshop 1998, SunRiver, Oregon